BNP PARIBAS & ARTEFACT bei AI for Finance by Artefact - Transformation des Geschäftsbankwesens durch KI

Pierre Ruhlmann erläuterte, wie die Bank ihre KI-Initiativen um den Wert herum strukturiert. Das Programm stützt sich auf drei Säulen: Stämme, die Kundenerfahrungen liefern, eine KI-Fabrik für die Skalierung von Lösungen und ein Kompetenzzentrum für die Bewertung des Geschäftswerts und die Förderung von KI-Kenntnissen. Dieser organisatorische Rahmen wurde in den letzten vier Jahren umgesetzt und markiert das Ende der ersten Phase.

Pierre betonte, dass BNP Paribas den Wert in mehreren Dimensionen misst, nicht nur in Bezug auf die finanziellen Erträge. Während Kosteneinsparungen und Effizienz entscheidend sind, legt die Bank auch Wert auf Kundenzufriedenheit und Mitarbeiterengagement. Die Bank verwendet Net Promoter Scores (NPS), um zu verfolgen, wie sich KI-Funktionen auf das Kundenerlebnis auswirken. Das Engagement der Mitarbeiter ist ebenso wichtig, um sicherzustellen, dass die Mitarbeiter die Vorteile der KI spüren, was dem doppelten Fokus der Bank auf Kunden und Mitarbeiter entspricht.

Pierre gab Beispiele dafür, wie die Bank ihre KI-Lösungen skaliert, insbesondere im Bereich des maschinellen Lernens für Scoring und intelligente Dokumentenverarbeitung. Obwohl BNP Paribas in diesen Bereichen erhebliche Investitionen getätigt hat, sind sie bei generativen KI-Projekten weniger ausgereift. Zwei MVPs, “Gary” und “Genius Bar”, befinden sich in der Entwicklung und konzentrieren sich auf das interne Wissensmanagement und die Verbesserung des Kundenservices. Beide Projekte müssen weiter optimiert werden, bevor sie vollständig industrialisiert werden können.

Das Gary-System soll die Mitarbeiter bei Produktprüfungen und Verfahren unterstützen. Obwohl 90% der Belegschaft das System angenommen hat, sind bei der Implementierung Probleme aufgetreten, wie z.B. Unstimmigkeiten in der Wissensbasis bei verschiedenen Verfahren. Die Beseitigung dieser Unstimmigkeiten ist entscheidend, bevor die Lösung weiter skaliert werden kann. Gary ist ein entscheidender Schritt zur Verbesserung interner Prozesse mit Hilfe von KI.

Genius Bar, der zweite wichtige MVP, zielt darauf ab, den Kundenservice zu verbessern, indem veraltete Chatbots durch eine generative KI-Lösung ersetzt werden. Bei über einer Million erwarteter Interaktionen in den nächsten zwei Jahren erfordert die Industrialisierung dieser Lösung einen vorsichtigen Ansatz. Red-Teaming-Übungen waren entscheidend für die Identifizierung von Sicherheits- und Zuverlässigkeitsproblemen, die gepatcht wurden, um eine reibungslose Skalierung des Systems zu gewährleisten.

Pierre betonte die Akzeptanz von KI am Beispiel von Microsoft Copilot. Ein Versuch mit 20 Mitarbeitern zeigte, dass trotz anfänglichem Interesse die Hälfte das Tool nicht mehr nutzte. Dies führte zu einem Champion-Programm und gezielten Schulungen. Die Bank skaliert Copilot nun vorsichtig, um eine gute Kapitalrendite zu erzielen.

Zu den Herausforderungen bei der Einführung gehört auch die Förderung einer kritischen Denkweise unter den Mitarbeitern, um sicherzustellen, dass die KI-Ergebnisse richtig interpretiert werden. Angesichts des regulierten Charakters des Bankwesens müssen die Mitarbeiter vorsichtig sein, wenn sie sich ausschließlich auf KI-generierte Lösungen verlassen. Pierre sprach auch die Befürchtung an, dass KI Arbeitsplätze wegnehmen könnte, und versicherte den Mitarbeitern, dass KI ihre Arbeit ergänzen und nicht ersetzen wird. Er hob den Einsatz von AB-Tests hervor, um den Wert von Aufgaben zu vergleichen, die mit und ohne KI erledigt werden, was dazu beiträgt, das Vertrauen und das Verständnis für das Potenzial von KI innerhalb des Unternehmens zu fördern.